Tecnolgico

TEC de Costa Rica

Probabilidad:
Variables aleatorias continuas: conceptos
bsicos

Escuela de Matemtica

Semana 10

Giovanni Luis Ernesto Erick Chacn Mario Marn Rebeca Sols

Sanabria Brenes Carrera Retana Vargas Snchez Ortega
Probabilidad Variables aleatorias continuas Pgina 2

1. Variables aleatorias continuas

En general una variable aleatoria es continua si cumple que al poder alcanzar cualquier par de valores
a < b reales entonces puede alcanzar cualquier valor que est en el intervalo [a, b]. En el caso de variables
aleatorias continuas se tienen las siguientes definiciones:
Definicin 1.
Si X es una variable aleatoria continua una distribucin de probabilidad para X es una funcin fX que
cumple las siguientes propiedades:

1. fX (x) 0 x.
Z b
2. Si a < b se tiene P[a X b] = fX (x) dx.
a
Z
3. fX (x) dx = 1.

Adems se define la funcin de distribucin acumulada por:

Z x
FX (x) = P[X x] = fX (t) dt.

Teorema 1.
Se cumple que

P[a X b] = F(b) F(a),

P[X = b] = 0.

Ejemplo 1.
Sea X una variable aleatoria continua cuya distribucin de probabilidad es

(1 + k) e3x+2 si x 0
fX (x) =
0 si x < 0

1. Determine el valor de k.
1 2 1 23y
para y R+ .


2. Pruebe que FX (y) = (k + 1) 3e 3e

3. Calcule P (3 < X < 5) (este valor puede expresarlo en trminos de k.

Solucin
1. Determine el valor de k.
1 2
Z
(1 + k) e3x+2 dx = e (k + 1) = 1
0 3
1
k = 2 e2 3 = 0,593 994


e
Probabilidad Parmetros en una Distribucin Continua Pgina 3

1 2 1 23y
para y R+ .


2. Pruebe que FX (y) = (k + 1) 3e 3e
Z y  
3x+2 1 2 1 23y
FX (y) = (1 + k) e dx = (k + 1) e e
0 3 3

3. Calcule P (3 < X < 5) (este valor puede expresarlo en trminos de k)

P (3 < X < 5) = FX (5) FX (3)

   
1 2 1 215 1 2 1 29
= (k + 1) e e (k + 1) e e
3 3 3 3
1
(k + 1) e7 e13 = 3. 032 07 104 (k + 1)


=
3

2. Parmetros en una Distribucin Continua

Al igual que las distribuciones discretas, para una distribucin continua se pueden definir la media y la
varianza.

Las definiciones y teoremas son prcticamente los mismos que los vistos para variables discretas con
la distincin de que esta seccin se usa integrales en lugar de sumas.

Definicin 2.
Si X es una variable aleatoria continua se denota la media o esperanza de X

X o bien por E(X)

Y se define por
Z
X = x fX (x) dx, (1)

con la condicin de que Z
|x| fX (x) dx < .

Ejemplo 2.
Determine la esperanza de una variable aleatoria continua X con distribucin de probabilidad de la
forma
e x : Para x > 0
fX (x; ) = ,
0 : En cualquier otro caso
Probabilidad Parmetros en una Distribucin Continua Pgina 4

Solucin Usando integracin por partes, se tiene que:

Z
X = x e x dx
0Z

= xe x dx
 0  Z
x
= xe |0 e x dx
x
 0
e
= xe x


0
1
= .

Definicin 3.
Si h(x) es una funcin real y X es una variable aleatoria continua se tiene que
Z
E(h(X)) = h(X) = h(x) fX (x) dx, (2)

con la condicin de que Z

|h(xi )| fX (xi ) dx < .

Definicin 4.
Si X es una variable aleatoria con distribucin de probabilidad fX , y media X se denota la varianza de
X como

X2 o bien VAR(X)
y se define como E((X X )2 ).

Note que la varianza de una variable aleatoria es

Z
X2 = (XX )2 = (x X )2 fX (x) dx. (3)

Similarmente a variables discretas, se puede demostrar el siguiente teorema.

Teorema 2.
Si X es una variable aleatoria continua cuya media y varianza existen se tiene que VAR(X) = E (X 2 )
[E (X)]2 .
Probabilidad Parmetros en una Distribucin Continua Pgina 5

Ejemplo 3.
Sea X una variable aleatoria continua con distribucin de probabilidad dada por

k si 1 x 15

f (x) = x2
0 en otro caso.

1. Determine el valor de k.

2. Calcule P([2 < X 5]).

3. Calcule VAR(X).

Solucin
k k 15 k k 14k
Z
15
1. Dado que | =
dx = = , k debe ser 14 .
x2 x 1 15 1 15
Z 5  
15 15 1 6
2. P([2 < X 5]) = 2
dx = +1 = .
1 14x 4 5 7
Z 15 Z 15
15 15 15 15
3. E (X) = x dx = dx = (ln(15) ln(1)) = ln(15),
1 14x2 1 14x 14 14
Z 15 Z 15
2 2 15 15
E (X ) = x dx =dx = 15,
1 14x2 14 1
 2
2 2 15
VAR(X) = E (X ) (E (X)) = 15 ln(15) .
14
Las propiedades fundamentales de la esperanza y variancia son las mismas que las vistas para variables
discretas.
Teorema 3.
Si X y Y son variables aleatorias continuas y c es una constante, entonces se cumplen las siguientes
afirmaciones:

1. El valor esperado de una variable aleatoria constante es la misma constante.

c = c.

2. El valor esperado de una variable aleatoria multiplicada por una constante es la constante por el
valor esperado de la variable.
(cX) = cX .

3. El valor esperado de una suma de dos variables aleatorias es la suma de los valores esperados de
las variables.
X+Y = X + Y .
Probabilidad Parmetros en una Distribucin Continua Pgina 6

Teorema 4.
Si X y Y son variables aleatorias continuas independientes cuyas varianzas existen y c es una constante,
se cumplen las siguientes afirmaciones:

1. La varianza de una variable aleatoria constante es cero.

VAR(c) = 0.

2. La varianza de una variable aleatoria multiplicada por una constante es la constante al cuadrado
por la varianza de la variable.
VAR (cX) = cVAR(X).

3. La varianza de una suma de dos variables aleatorias es la suma de las varianzas de las variables.

VAR (X +Y ) = VAR(X) +VAR(Y ).

Definicin 5.
Si X es una variable aleatoria continua se llama funcin generadora de momentos a la esperanza de etX
y se denota por mX (t), es decir:

Z
tX
mX (t) = E (e ) = etx fX (x) dx. (4)

Teorema 5.
Si X es una variable aleatoria con funcin generadora de momentos mX (t) se tiene que
(n)
mX (0) = E (X n ). (5)

Ejemplo 4.
Sea X una variable aleatoria continua con distribucin de probabilidad
x

e

si 0 < x < 5
f (x) = 1 e5
0 sino

1. Determine la funcin generadora de momentos de X : mX (t) para t < 1.

2. Utilice lo anterior para determinar E (X).

3. Determine E e3x .

Solucin
Probabilidad Parmetros en una Distribucin Continua Pgina 7

1. Determine la funcin generadora de momentos de X : mX (t) para t < 1.

ex
Z 5
dx = 1
0 1 e5

Z 5 x xt 5
e e 1
Z
xt
e(t1)x dx


mx (t) = E e = 5
dx =
0 1e 1 e5 0
5 !
1 e(t1)x  1 e5(t1) 1
=  =
1 e5 t 1  1 e5 t 1
0

2. Utilice lo anterior para determinar E (X).

   
5e5(t1) (t 1) e5(t1) 1
1
m0 (t) = ,
1 e5 (t 1) 2
5 e5 1


1 5e 5 +1
E (X) = m0 (0) = 5
= 6e
e5 +1 0,966 082
1e 1

3. Determine E e3x .

!
1 e5(31) 1 e20 1
E e3x = mx (3) =


= 0,251 696
1 e5 3 1 4 (e5 1)
Probabilidad Ejercicios propuestos Pgina 8

3. Ejercicios propuestos
1. Una variable X es tal que distribuye de acuerdo a:

2x
si 1 < x < 4


15

fX (x) =

0

en otro caso

a) Determine la funcin generadora de momentos.

Solucin:

2 x etx 1 tx 4
Z 4  
2 tx
x e dx = 2e
1 15 15 t t 1
 4t
e4t et et

2 4e
= 2 + 2
15 t t t t

b) Use la definicin de media para calcular X .

Solucin:

2 x3 4
Z 4   
2 2 2 64 1 42
x dx =  = =
1 15 15 3 1 15 3 3 15

2. Suponga que una variable aleatoria X se distribuye de acuerdo a la distribucin de probabilidad

siguiente:
k
si 4 < x


3
x
fX (x) =

0

en otro caso

a) Determine el valor de k

Solucin:

Z
k 2
kx  k
dx =  =

4 x3 2  32
4
Por lo que k = 32.
Probabilidad Ejercicios propuestos Pgina 9

b) Determine la distribucin de probabilidad acumulada para X, FX (x).

Solucin:
w
Z w
32 32  16
P[x w] = 3
dx = 2  = 2 + 1
4 x 2x  w
4



0 si x < 4
FX (x) =
1 16

si x 4

x2

3. Sea X una variable aleatoria cuya funcin de densidad se da por la frmula:

x si 0 < x < 4


f (x) =
4 x2

si x > 4

3
a) Determine el valor de para que f (x) sea una funcin de distribucin de probabilidad.

Solucin:
Para determinar el valor de para que f (x) sea una funcin de distribucin de probabilidad
debe resolverse la identidad: Z
f (x) dx = 1

Dadas las condiciones del problema esto equivale a:
4 M
Z 4 Z
4 x 2 4x 3 
x dx + x2 dx = 1  + lm  =1
 
0 4 3 2  M 9 
0 4

1
Esto conduce a la ecuacin 8 + 144 = 1 de donde sale .
b) Determine la distribucin acumulada de X.

Solucin:
Se calcula de acuerdo a la definicin:

x2


2
si 0 < x < 4
F(x) =  3 

4x 1
8 + + si x > 4


9 144
Probabilidad Ejercicios propuestos Pgina 10

c) Calcule P(3 X 7).

Solucin:
Calcule F(7) F(3)

4. Determine la funcin generadora de momentos para una distribucin continua uniforme en el inter-
valo [a, b].

Solucin:

eb ea
Z b
1 tx
MX (t) = e dx =
a ba t(b a)
Puede usted obtener la media usando la generadora de momentos.

5. El tiempo de reaccin en segundos a cierto estmulo es una variable aleatoria continua con distribu-
cin
3 1

2 x2 1x3


f (x) =


0 en otro caso.

a) Obtenga la probabilidad de que el tiempo de reaccin sea inferior a 2,5 segundos.

Solucin: Z 2,5
1
dx
1 x2

b) Obtenga la probabilidad de que el tiempo de reaccin est entre 1,5 y 2,5 segundos.

Solucin: Z 2,5
1
dx
1,5 x2

c) Cul es el tiempo esperado de reaccin?

Solucin: Z 2
1
dx
1 x
Probabilidad Ejercicios propuestos Pgina 11

6. Suponga que una variable aleatoria discreta X se distribuye de acuerdo a la distribucin de probabi-
lidad siguiente:

kn2 si 0 n 20
f (x) =
0 en otro caso.

Determine el valor de k

Solucin:
n(n + 1)(2n + 1)
Tenemos 1 = k(1 + 4 + 9 + + n2 ) y esa suma da y despeja k
6

Determine la probabilidad de que X sea superior a 6

Solucin:

1 (k)(1 + 4 + 9 + 16 + 25 + 36)

7. Una persona recibe un tratamiento, una pastilla por ejemplo. Por muchos aos de estudio y estads-
ticas se sabe que el tiempo que tarda un persona en reaccionar es una variable aleatoria, en minutos,
cuya distribucin de probabilidad de de la forma fX (x) = x12 si x > 2 y 0 en cualquier otro caso.

a) Es correcta la distribucin de probabilidad enunciada anteriormente?

Solucin:
Para estar seguros de que esto es en realidad un distribucin de probabilidad, pues bien bastara
con chequear que
dx
Z
2
=1
1 x
lo cual es cierto pues
Z M
dx dx 1 1
Z
= lm = lm ( )=1
1 x2 M 1 x2 M M 1

b) Determine la probabilidad de que una persona elegida al azar reaccione antes de dos horas.

Solucin:
Tenemos:
Z 120
dx 1 1 119
P[X < 120] = =( )=
1 x2 120 1 120
Probabilidad Ejercicios propuestos Pgina 12

8. Una funcin fX (x) tiene la forma.

ke2x Si x [0, 6]
fX (n) =
0 Otros Casos
Determine el valor de k para que fX sea distribucin de probabilidad y determine la probabilidad de
que X sea mayor que 3.

Solucin:
La condicin necesaria es que

e12
Z 6  
2x 1
1= ke =k
0 2 2
2
de all k = 1e12
El segundo ejercicio es similar y da

2 e12 e6
( )
1 e12 2 2